CRAFT：医学视觉语言模型中的因果责任与失败追溯

2026-10-01，arXiv 发表 CRAFT 方法，针对医学视觉语言模型（VLM）中的两类失败进行因果归因与干预：仲裁失败（文本覆盖视觉证据）与制动失败（证据不足仍强行作答）。该方法定位并切除空间不重叠的注意力头群体——仲裁头与制动头——实现因果解释与干预。切除仲裁头可大幅减少冲突跟随且不损害干净输入表现；切除制动头则在视觉证据降级时恢复合理放弃行为。实验在多个医学 VQA 基准与 VLM 架构上验证了因果定位与干预的泛化性，相关代码已开源至 GitHub。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。